تکنیک های نمونه گیری داده ها – معنی و انواع مختلف تکنیک ها

روشی که برای جمع‌آوری نمونه اتخاذ می‌شود، آشکارا پیامدهای زیادی بر نتایج حاصل از آن نمونه دارد. در زیر تکنیک هایی ذکر شده است که می توانند برای نمونه برداری از جمعیت ها و همچنین فرآیندها مورد استفاده قرار گیرند. جزئیات مختصری ارائه شده است تا بتوانید مزایا، معایب و کاربردهای صحیح هر یک از این تکنیک ها را درک کنید:

تکنیک های نمونه گیری جمعیت

1. نمونه گیری تصادفی: نمونه تصادفی نمونه ای است که در آن هر یک از اعضای یک جامعه شانس مساوی برای انتخاب شدن دارند. همانطور که از تعریف می توان فهمید این روش برای نتایج فرآیندها قابل استفاده نیست زیرا مجموعه جمعیت باید ایستا باشد. در صورت وجود یک فرآیند، مجموعه جمعیتی پویا است و نتایج جدید و جدیدی به طور مداوم به داده ها اضافه می شود. بنابراین نمی توان اطمینان حاصل کرد که هر عضو شانس مساوی برای انتخاب شدن دارد. با این حال، در صورت انتخاب حجم نمونه مناسب، نتایج نمونه گیری تصادفی از بهترین ها هستند. 

    

2. نمونه‌گیری تصادفی طبقه‌ای: در صورت نمونه‌گیری تصادفی طبقه‌ای، جامعه به اقشاری ​​تقسیم می‌شود که حاوی عناصر داده خاص خود هستند. در لایه ها، هر عنصر داده شانس مساوی برای انتخاب شدن دارد. با این حال تعداد عناصر از هر شروع از پیش تعیین شده است. این نزدیک به نمونه گیری تصادفی است. با این حال، یک بار دیگر نمی توان از آن برای یک فرآیند استفاده کرد زیرا به جمعیت ایستا نیاز دارد در حالی که یک فرآیند طبق تعریف پویا است. 

تکنیک های نمونه گیری فرآیندی

1. نمونه گیری سیستماتیک: در صورت نمونه گیری سیستماتیک، اولین عنصر نمونه به صورت تصادفی انتخاب می شود. سپس عناصر بعدی به صورت سیستماتیک انتخاب می شوند. به عنوان مثال، اولین عنصر به طور تصادفی انتخاب می شود و سپس هر دهمین عنصر در نمونه گنجانده می شود. از آنجایی که این نوع نمونه ها سیستماتیک هستند و نیازی به پایگاه جمعیت ایستا ندارند، می توان از آنها برای نمونه گیری فرآیندی استفاده کرد. در واقع نمونه‌گیری سیستماتیک یکی از رایج‌ترین روش‌هایی است که برای نمونه‌گیری فرآیندی استفاده می‌شود. 

    

2. زیرگروه‌بندی منطقی: زیرگروه‌بندی منطقی یک تکنیک نمونه‌گیری است که هدف اصلی آن تولید داده‌ها برای نمودارهای کنترلی است. نمونه ها از زیر گروه ها در فواصل زمانی معین گرفته می شوند. از این رو شخصی که نمونه را جمع آوری می کند باید اندازه نمونه و همچنین فاصله زمانی را تعیین کند. این باید به اندازه کافی بزرگ باشد تا هرگونه تغییر در فرآیند اصلی را تشخیص دهد. 

مزیت این استراتژی این است که شما یک بعد اضافی دارید که زمان است. می توان مطالعاتی انجام داد و چرخه ها و الگوها را پیدا کرد. نقطه ضعف آن این است که برنامه ریزی یکی از این مطالعات به تخصص بیشتری نسبت به طرح نمونه گیری تصادفی نیاز دارد.

اگرچه روش‌های نمونه‌گیری بسیار بیشتری وجود دارد، اما چهار مورد ذکر شده در بالا تقریباً 80 درصد از انواع نمونه‌هایی را تشکیل می‌دهند که در مطالعات استفاده می‌شوند. از این رو درک کامل این چهار مورد به بهبود تلاش شما برای نمونه گیری کمک می کند.